【技术实现步骤摘要】
一种基于多视角图像特征分解的行人再识别方法
本专利技术涉及智能图像检索
,更具体而言,涉及一种基于多视角图像特征分解的行人再识别方法。
技术介绍
随着社会公共安全越来越受到重视,大量的监控摄像头被安装到许多重要场所,监控摄像头拍摄的监控视频可为公安部门提供侦破诸如恐怖袭击、聚众斗殴等重大刑事案件的线索。行人再识别是一种自动的目标识别技术,在监控网络中快速定位到感兴趣的人体目标,是智能视频监控和人体行为分析等应用中的重要步骤。使用行人再识别技术主要目的就是要解决安全监控领域中行人的检索问题。行人重识别通常是从特征提取和距离度量学习两个方面进行研究。基于特征提取的行人重识别研究,特征提取是进行图像识别的核心问题。提取到合适的、稳健的特征,对于检测结果和执行效率都有很大的提高。常使用的特征主要有:HOG特征,SIFT特征,SURF特征,Covariance描述子,ELF特征,Haar-likeRepresention特征,LBP特征,Gabor滤波器,Co-occurrenceMatrics共生阵等。基于距离度量学习的行人重识别研究。由于摄像机的视角、尺度、光照、服饰与姿态变化、分辨率不同以及存在遮挡,不同摄像头之间可能会失去连续的位置和运动信息,使用欧氏距离、巴氏距离等标准的距离度量来度量行人表观特征的相似度不能获得很好的重识别效果,因此,研究者们提出通过度量学习的方法,来衡量不同图像下的行人的相似度。常见的距离度量学习算法如:LMNN算法,PRDC算法,LDML算法KISSME算法,LFDA算法,XQDA算法。2014年,将行人重识别的研究与深度学习结 ...
【技术保护点】
1.一种基于多视角图像特征分解的行人再识别方法,其特征在于,包括以下步骤:S1、在行人图像数据集中,选取标准图像,将选好的标准图像分成训练数据集和测试数据集,建立多视角图像特征分解神经网络的训练数据集和测试数据集;S2、将数据集中行人图像经过缩放或裁剪成分辨率为192×64的RGB图像,作为训练集和测试集;S3、将胶囊分类网络CapsuleNet设计为两层卷积层,两层胶囊层,得到改进后的胶囊网络;S4、对S3中改进的胶囊分类网络在S2中标准视角行人图像训练集上进行训练,构造多视角图像特征分解神经网络,生成任意行人图像在三种标准视角下的相似度和图像特征向量;S5、生成跨视角特征转换矩阵,计算跨视角特征转换系数矩阵;S6、选择行人图像相似度度量函数,实现行人再识别。
【技术特征摘要】
1.一种基于多视角图像特征分解的行人再识别方法,其特征在于,包括以下步骤:S1、在行人图像数据集中,选取标准图像,将选好的标准图像分成训练数据集和测试数据集,建立多视角图像特征分解神经网络的训练数据集和测试数据集;S2、将数据集中行人图像经过缩放或裁剪成分辨率为192×64的RGB图像,作为训练集和测试集;S3、将胶囊分类网络CapsuleNet设计为两层卷积层,两层胶囊层,得到改进后的胶囊网络;S4、对S3中改进的胶囊分类网络在S2中标准视角行人图像训练集上进行训练,构造多视角图像特征分解神经网络,生成任意行人图像在三种标准视角下的相似度和图像特征向量;S5、生成跨视角特征转换矩阵,计算跨视角特征转换系数矩阵;S6、选择行人图像相似度度量函数,实现行人再识别。2.根据权利要求1所述的一种基于多视角图像特征分解的行人再识别方法,其特征在于:所述S1中标准图像为拍摄角度为标准的正面图像、侧面图像和背面图像。3.根据权利要求1所述的一种基于多视角图像特征分解的行人再识别方法,其特征在于:所述S3中改进后的胶囊网络为三分类网络。4.根据权利要求1所述的一种基于多视角图像特征分解的行人再识别方法,其特征在于:所述S3中改进后的胶囊网络CapsuleNet的第一层设置为卷积层,参数:卷积核5×5、输出通道数32、输入维度为B×3×192×64,B为超参数批处理数量;第二层设置为卷积层,参数:卷积核5×5、输出通道数256;第三层为初级胶囊层,参数:卷积核5×5,输出通道数8;第四层为编码胶囊层,参数:输出通道数3,路由参数2,输出维度为B×3×64,B为超参数批处理数量。5.根据权利要求1或4所述的一种基于多视角图像特征分解的行人再识别方法,其特征在于:所述卷积层可以被单层神经网络、ResNet、HourglassNet等其他卷积网络替代。6.根据权利要求1所述的一种基于多视角图像特征分解的行人再识别方法,其特征在于,所述S4中相似度计算公式为:式中,e为自然常数(e≈2.71828),V表示特征向量模的长度,i表示第i个行人图像,Vij表示第i个行人某种(j)视角下的特征向量模的长度,Sij表示第i个行人在视...
【专利技术属性】
技术研发人员:李海芳,杨晓峰,邓红霞,姚蓉,郭浩,
申请(专利权)人:太原理工大学,
类型:发明
国别省市:山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。